數據如何指導用戶運營

㈠ 如何用數據驅動產品和運營

內容被日益關注絕非偶然，在人口紅利褪盡、流量成本激增的情況下，原先可以獲得巨大流量紅利的賽道（工具、平台、社交網路）早已被以BAT為代表巨頭牢牢把持。「流通」環節的生意沒有機會了，機構只能把目光投向「生產」環節——做內容吧。在可預見的未來，內容將會成為新的「流量紅利」來源。

然而，並不是有了好的內容，流量和用戶就會隨之而來，正所謂酒香也怕巷子深。那麼如何才能找到流量和用戶呢？現在移動端的用戶數已經大幅超越PC端的用戶數，隨之而來的是流量入口從以網路為代表的搜索引擎轉向以微信、微博、今日頭條、手淘等為代表的超級APP。

看到內容的風口之後，眾多機構紛紛投入其中，生產內容的成本隨之快速上漲。雖然都知道超級IP的威力巨大，但是打造卻並非一日之功。與此同時流量渠道的日益分散化，導致機構需要在渠道運營方面投入更多的時間和精力才能獲得足夠的流量和用戶，運營的成本也在無形之中被推高了。面對這種形勢，機構想要在競爭中取得一席之地，就必須開始擺脫之前的粗放式運營，開始用數據驅動用戶的增長，構建精細化的運營體系，提升內容的傳播效果，找到投入產出比最高的流量渠道。

然而，想要開展數據驅動的機構卻面臨無法獲取數據的窘境。比如在微信上面發布直播，只能使用第三方工具，但是由於第三方工具沒有和微信進行對接，同時也沒有開放後台的數據查看許可權。導致完全無法了解用戶觀看直播的情況，數據驅動和精細化運營也就無從談起。

潛在用戶 ：顧名思義，就是機構的目標用戶，但是還沒有和教育機構產生直接關系的用戶；

微信「粉絲」 ：關注微信公眾號的用戶，當然也包括添加了微信個人好友，加入了微信群的用戶；

注冊用戶 ：成為「粉絲」之後，對於教育機構具有一定的認可，從而產生了注冊行為，但是還沒有產生購買行為的用戶；

沉睡用戶：產生購買行為的用戶但是最近30天內沒有進一步的互動行為。這部分原因因為種種原因不再使用消費機構生產的內容，這時候就要思考如何通過促銷等手段將這批用戶再次激活；

購買用戶：產生過購買行為的用戶，可以是付費課程，也可以是0元體驗課；購買用戶又可以按照最近一次消費(Recency)、消費頻率(Frequency)、消費金額(Monetary)三個維度進行進一步的分層。根據不同的用戶屬性制定後續的營銷和服務方案；

以前，機構在微信中基本上是只能發送語音、圖文和小視頻，藉助微學伴，機構可以發布的內容形式可以更加多樣化，比如直播、課程等，通過形勢更加豐富的內容，增加與用戶的互動。

機構在微信生態圈中開展內容運營和用戶運營的過程中，會有各種各樣的動作行為，通過微學伴提供的整體解決方案，可以實現對於數據有效的監測與收集。機構在微學伴看到相關的數據後就可以對內容進行優化，對用戶進行分層管理。有了數據，教育在開展營銷推廣和內容製作的時候就不再是「盲人摸象」，而是「有的放矢」。

㈡ 【筆記】運營必須掌握的數據分析方法和意識

掌握數據分析的方法和意識，前提是要有較好的邏輯和推理分析能力，用邏輯分析能力分析出數之間的關系，讓數據來指導你的運營工作。

數據對於運營的價值有哪些？

1、數據可以反映出一款產品當前的狀態好壞和所處階段

如果一個產品目前的用戶已經有30—40萬，那麼運營團隊的工作重點可能就是加大該產品的推廣和營銷力度，而如果它現在的用戶只有1萬，那更應該做的可能是踏實把產品體驗給做好。

2、假如做完了一件事但效果不夠好，數據可以告訴你，問題出在哪裡。

通過分析你做這件事情的流程，看哪裡的數據表現不夠好，問題可能就出在這里。

3、假如你想要實現某個目標，數據可以幫助你找到達成目標的最佳路徑

同樣，列出完成目標需要達成的變數，然後從中尋找易變數；

4、極度精細的數據分析可以幫助你通過層層拆解，對用戶更了解，也對整個站內的生態更有掌控力

5、數據當中可能隱藏一些潛在的能讓你把一件事變得更好的線索和彩蛋，有待於你去發現和挖掘；當你發現一個指標發生突變的時候，你是不是應該對此做點什麼？

數據的第二類價值體現：如果你想達成某個特定目標，如何通過數據來評估和具體化你的最佳達成路徑——還是通過「指標拆解」來達成目標；

數據的第三類價值體現：極度精細的數據分析可以幫助你層層深入，對用戶更了解，也對整個站內的生態更有掌控力，這里需要先引入兩個概念——維度和度量

維度就是具體的數據指標，通常表現為某個量化過後的數據值；維度是去看待這些指標的不同角度。比如up,你可以從24小時時間的維度去看，以評估每天在不同時段的流量分布情況。

理解了這兩個概念之後，就會對數據分析有更深的理解：所謂的數據分析，其實就是界定清楚你要評估的度量有哪些之後，然後需要你知道要從哪些維度去看待這些度量，偶爾還有可能需要在不同的維度和度量之間交叉做一些分析和對比，最後得出結論，把結果用圖標等方式呈現出來。

比如對於一個主要講創新的產品，需要對已有的用戶做哪些分析？是不是要對用戶根據不同行的行業做一個細分，然後再橫向對比不同行業間同等階層的用戶聽課習慣，是不是就可以給不同的用戶推薦其可能感興趣的課程？是不是再新產品上線的時候，就知道該主要針對哪些用戶來宣傳？分別推送給他們不同的服務和引導他們去完成不同的用戶行為，這樣的精細化運營，是不是可以大大助推你的用戶留存和活躍？

一般來說，對數據做分析之後，一般可以做出的評估有兩種：

1、判斷數據是否有需要注意的異常情況，如有異常，及時分析原因；

2、給自己的運營工作找一些方向性的指導；

最後補充，作為一個運營負責人，要定期針對關鍵性的用戶行為定期做全方位、多維度的分析，做到每一個關鍵用戶行為的用戶習慣和當前產品指標中的關鍵問題來瞭然於胸。

再者，很多產品往往都是20%的重點用戶給該產品帶來80%的價值。所以，也要培養自己重點去關注對你最有價值的那部分用戶的意識，比如至少把50%的精力用於關注他們。

數據當中還可能隱藏著一些潛在的能夠幫助你把一件事情變的更好的線索，可以按照下面這個邏輯去發現它：

1、找出產品中，當前肯跟存在問題的某個關鍵度量；

2、對於這些度量驚醒縱覽，從它的構成里去看是否所有的用戶或我們的所有服務在這個度量上的表現都很差，還是說有一部分用戶或服務在該度量上的表現是顯著高於其它用戶或服務的。

3、對於哪些表現顯著要好的其它用戶和服務在不同維度上進行進一步挖掘，尋找他們背後的一些用戶行為或特徵，然後再把這些特徵放大到極致。

綜合來看，數據對於運營的價值就在於幫你找到一塊戰場上的發力點和突破口。

文章源自《運營之光2.0》讀書筆記

㈢ 六步實現數據驅動運營

數據驅動運營是老生常談了，但是有好多新手並不懂如何去做數據運營，本文則系統的介紹了如何分6步來實現數據運營。

1.目的

通過對運營數據進行分析，幫助我們進一步對用戶進行差分運營。

2.核心

分析問題包含哪些方面，在佔比高並且自己可以發力的點上去優化。

運營是一個包含了諸多瑣碎事項的工作，運營人員要會拆分自己的工作項，並根據不同工作項的特點有針對地對特定的運營數據進行分析，才能事半功倍。

那麼怎麼 拆分工作項 呢？可以按照面對的用戶群體分解，通常與用戶分級聯系在一起，將工作拆分成面向所有 普通用戶、面向活躍用戶、面向付費用戶等等 。也可以按照項目將自己的工作進行拆分。還可以按照時間順序確定不同階段的目標，根據自己的目標來拆分工作項。

拆分完工作項後，針對每一個工作項有不同的指標，我們要根據工作項的特點進一步拆分和細化運營數據指標，然後通過對每一個指標的分析來判斷運營問題並不斷優化運營方案。

拆分的維度 可以按照數據的包含結構，也可以按照每一個工作項包含的子項進行拆分。

以用戶運營為例，用戶運營包含了用戶的拉新、促活、留存、付費轉化等方面。而就拉新來說，關鍵的指標有注冊用戶的規模、增長速度；渠道質量——注冊渠道有哪些，渠道的注冊轉化率如何；注冊流程質量——完成注冊的用戶數、注冊流程中用戶蹦失節點統計；注冊用戶行為追蹤——完成注冊後用戶的行為統計。

細化分析目標是指根據運營目標，確定能夠進行優化的數據點。 這一步是為接下來的數據提取處理分析奠基的。

舉個簡單的例子，假如現在做完一場活動，想知道下一次舉辦相同或相似活動時有哪些地方可以優化，需要關心的點除了最終參與效果還有：活動推廣的渠道有哪些，每一個渠道的參與路徑是怎樣的，路徑中的每一步參與人數有多少，轉化率達到多少，等等。明確了分析目標後，就可以確定要提取的數據點有哪些。

在提取數據這里涉及一個數據埋點的問題，在產品設計的早期，運營人員就要規劃好運營關鍵點，列出埋點清單提交給開發人員，以免後期運營過程中想要查看某一個數據但卻沒有數據記錄信息。

此外，提取出來的數據要經過一系列的處理後方可進入分析階段。

（1）數據分析方法

常見的數據分析方法有對比分析法、結構分析法、平均分析法、權重分析法、杜邦分析法等等。

1）對比分析法

指按照不同的維度進行對比，以探尋數據的變化，發現其中蘊含的規律或啟示。

對比的維度包含了 ：與預期目標對比、不同時間段的對比、與同行對比、與運營前的效果對比、不同用戶間的對比、不同操作間的對比，等等。

接下來用一個 例子講解如何通過對不同時間段數據的對比來進行用戶畫像並根據用戶畫像做出運營策略的調整。

上邊這張折線圖反應的是某產品的日活躍用戶數變化規律。2016年4月初到7月初其基本是成周期變化，且周期為一個星期，數據較大的點主要是在周末，因此我們可以推測這個產品的主要用戶是學生。而且在6月的時候日活躍數據略有所下降，7月中旬以後數據上升且變化這與學生期末考試和放假的時間也基本吻合，進一步佐證了用戶畫像。

2）結構分析法

被分析總體內的各部分與總體之間的對比分析，常用結構相對指標（=(部分/總體)*100%）來表示，這個數值越大表明該部分在整體中所佔權重越大，其重要性越大，對整體的影響也就越大。

3）平均分析法

反映的是一定條件下，某個指標的一般水平，多用於衡量業務的健康度。

比方說某個商品有A、B、C三個銷售渠道，假如想了解這三個銷售渠道誰對營收貢獻最大，可以統計這三個渠道的平均銷售額。這個時候要注意，平均分析法的「平均」是有前提的，它必須建立在用來計算平均值的數據是否都是有效的。比方說現在A渠道有一天的銷售數據突然驟減為0，這是很反常的，這個時候要去查問題到底出在哪，如果是因為比方說那天A渠道出現了某些突發故障，那麼應該剔除這個數據再計算平均值。

那是不是平均值越高說明業務越健康呢？

不一定。比方說A賣的是羽絨服 ，B賣的是短裙，夏季的時候A的銷售均值比B低，這並不能說明A的業務就比B的差。

平均分析法適用於雙方的業務和所處的情況比較接近也即我們常說的，具有可比性時，才有意義。

4）權重分析法

將多個指標轉化為一個能夠反映綜合情況的指標來進行分析評價，具體的做法是確定各個指標的權重，然後對處理後的指標進行匯總後計算出綜合評價指數。常用以對處於並列關系的子類進行分析。

如圖所示，某產品有三個推廣渠道——A、B和C。這三個渠道又細分為通過購買母嬰類產品的推薦轉化、參加相關線下活動的轉化 以及來自公眾平台的轉化。若要衡量A、B、C三個渠道的質量如何，可以給各個細分渠道設置某個權重，定義「渠道質量」這個指標對應的公式（如：渠道質量=購買了母嬰類產品後的推薦轉化人數*60%+線下活動轉化人數*30%+公眾號轉化人數*10%），通過加權求和後比較這三個渠道的質量高低。

那權重的設置依據是什麼呢？一個是要根據各個細分指標的重要性，另一個來自於以往的運營結果。還是以剛剛那個產品為例，假設產品是跟母嬰類相關的，那麼根據以往的運營經驗，通過購買了母嬰類商品後的推薦引流來的用戶，後續轉化為活躍用戶的概率更高，那麼這個渠道的權重就可以相應的設高點，而通過公眾號導流來的用戶流失率極高，其權重就可以比較低。

5）杜邦分析法

杜邦分析法是由美國杜邦公司創造並 最先採用的一種綜合分析方法。利用各個指標間的內在聯系，可以對自己的運營狀況及效益進行綜合分析評價。

如圖所示，假設產品更新後最近的收入降低了，老闆讓分析下原因出在什麼地方、可以做出哪些調整，那麼我們可以 將收入拆分 ——收入=付費人數*ARPU（每用戶平均收入）。接下來對付費人數進行拆分，付費人數=活躍人數*付費滲透率。據觀察，付費滲透率幾乎沒有變化，而活躍人數下降了，進一步細分活躍人數。活躍人數=新用戶中的活躍用戶+老用戶中的活躍用戶，倘若老用戶中的活躍人數上升了，而新用戶的活躍人數下降了，可以進一步將其拆分。然後分析，新用戶=推廣覆蓋人數*轉化率，在轉化率基本不變的情況下，將推廣渠道細分，根據數據，渠道一下降了而渠道二上升了 ， 不斷進一步拆分，直到指標不能再細分 後，針對細分後的指標分析其中哪些對最終的收入影響較大，產生變化的原因是什麼，是否可以通過人為的調整方案後進行改善，等等。

（2）造成數據波動的原因

常見造成數據變化的原因：時間、推廣與觸達、運營活動、關聯特性、用戶屬性和構成、故障、業界趨勢。

前三個就不詳細展開了，這里講下後邊幾個要素。所謂關聯特性其實就是剛剛通過杜邦分析法拆分出來的要素，而用戶屬性和構成要素是指針對不同的用戶，同個產品或活動的日活、付費等數據是會發生變化的。業界趨勢對運營數據的影響：舉個去年很火的例子——O2O，去年O2O這個概念炒的特別火的時候，大量資本砸錢進入這個市場，在各種補貼的刺激下，用戶激增，現在市場較為成熟後，用戶數增長就比較平緩了。

仔細觀察可以發現，以上數據分析流程實際上形成了一個閉環。總結匯報完畢，我們需要將得出的結論運用到實踐中，繼續觀察數據的變化並不斷優化我們的運營策略。

為了能夠更好地幫助剛開始建立運營體系的企業解決一些日常工作中的痛點，推薦你上一門由作者總策劃的課《互聯網人的數據運營實踐訓練營》，由長年工作在大型互聯網企業內部，踩過過無數的「數據坑」，平均經驗都在十年以上，都符合格拉德威爾在「一萬小時定律」中的描述的四位老師： 安琦、黃捷、黃一能、王曄傳授 ！時間：2016年12月17日-18日 8:30-17:30，一定能有效地幫助你。

報名： http://event.3188.la/530802826